Üretimden Veri Toplama Sistemleri Nasıl Tasarlanmalıdır.

Veri toplama süreçlerini tasarlamak ve uygulamak, bir işletmenin üretim süreçlerinde verimlilik ve kaliteyi artırmasının en önemli adımlarından biridir.

Ancak, bu süreci tasarlarken odaklanmanız gereken birkaç kritik aşama var: hangi verilerin toplanacağı, bu verilerin hangi sıklıkta ve hangi yöntemlerle alınacağı, sistem entegrasyonunun nasıl sağlanacağı ve iş güvenliği ile üretim sürekliliğinin nasıl korunacağı konularıdır. birlikte bunları bir parça detaylandırırsak.

Hangi Verilerin Toplanacağına Karar Verme

Öncelikle, hedefinize uygun verileri belirlemek kritik. Diyelim ki, bir otomotiv parçası üreten bir fabrikanız var. Burada toplanabilecek verilerden bazıları:

Makine Çalışma Süreleri: Örneğin, bir CNC tezgahının bir parçayı işlemesi için harcadığı süre. Bu veri, üretim hattının kapasitesini anlamak ve planlama yapmak için kullanılır.
Duruş Nedenleri: Tezgah neden duruyor? Bu bir bakım ihtiyacı mı, yoksa yanlış programlama mı? Örneğin, tezgahın %20 durma nedeni operatör hatasıysa, bu eğitim ihtiyacına işaret eder.
Üretim Çıktıları: Günlük üretilen parça sayısı. Diyelim ki, bir makine günde 500 parça üretiyor ama hedef 600. Bu durumda darboğazın nerede olduğunu anlamak için veri toplamak şart.
Enerji Tüketimi: Makinenin ne kadar enerji tükettiği. Örneğin, enerji tüketimi normalin üzerine çıktığında, bu bakım ihtiyacı için bir uyarı olabilir.
Makineden Çıkan Kalitesiz Parça Adedi : Makinenin ne kadar hatalı parça ürettiğini ölçmek için önemlidir.

Bu verilerden her biri size süreçler hakkında farklı bir hikâye anlatır. Ancak burada önemli olan, her verinin bir iş problemine çözüm sunacak şekilde toplanmasıdır. Yani sadece veri toplamak için değil, sonuç odaklı bir yaklaşımla hareket etmelisiniz.

Veri Toplama Sıklığı ve Yöntemleri

Veri toplama sıklığı, üretim sürecinin doğasına, kullanılan makinelerin türüne ve işletmenin hedeflerine bağlı olarak değişir. Öyle her veri anlık toplanacak diye bir kural yok, bazen fazla veri toplamak işleri daha karmaşık bir hale getirebilir. Önemli olan, doğru veriyi doğru zamanda almak. Şimdi bunu biraz daha detaylandıralım ve makinelerden örneklerle açıklayalım.

Ama Veri toplamayı tezgahtan kaç adet parça geçti ve ne kadar zamanda geçti gibi genellememek gerekir.

1. Gerçek Zamanlı Veri Toplama

Bazı durumlarda, özellikle kritik süreçlerde gerçek zamanlı veri toplamak şarttır. Mesela, bir CNC tezgahını ele alalım. Diyelim ki bir CNC işleme merkeziyle çalışıyorsunuz. Bu makine hassas toleranslarla çalışan bir parça üretiyor ve işleme sırasında ani bir sıcaklık artışı veya titreşim değişikliği, hem ürün kalitesini hem de makinenin sağlığını etkileyebilir.

Burada sıcaklık sensörleri, vibrasyon analizörleri ve motor yük ölçerlerden alınan veriler gerçek zamanlı olarak izlenmeli.

Örneğin:

Sıcaklık: Eğer spindle sıcaklığı 90 dereceyi geçerse, sistem hemen bir uyarı verebilir. Operatör bu uyarıyı gördüğünde işlemi durdurur ve soğutma sıvısı kontrol edilir.
Vibrasyon: Eğer titreşim verilerinde bir anormallik varsa (örneğin, normalin 3 katına çıkan bir titreşim), bu bir rulman arızasının erken sinyali olabilir. Bu veriler SCADA ekranına düşer ve bakım ekibi hemen harekete geçer.

Bu tür gerçek zamanlı veri toplama, makine duruşlarını önlemek ve ürün kalitesini garanti altına almak için oldukça faydalıdır.

2. Saatlik Veri Toplama

Her veri anlık izlenmek zorunda değil. Bazı veriler için saatlik bir toplama aralığı yeterlidir. Örneğin, bir enjeksiyon kalıplama makinesini düşünelim. Bu makine, plastik parçalar üretirken enerji tüketimi, kalıp sıcaklığı ve üretim çevrim süresi gibi veriler üretir.

Saatlik veri toplama, şu tür analizler için idealdir:

Enerji Tüketimi: Makine her saat ne kadar enerji tüketiyor? Eğer bir vardiya sırasında enerji tüketimi normalin üzerine çıkıyorsa, bu fazla yük binen bir makineye veya hatalı bir operatöre işaret edebilir.
Üretim Çevrim Süresi: Parçaların her birini üretmek ne kadar zaman alıyor? Eğer çevrim süresi sabah vardiyasında 30 saniye iken, gece vardiyasında 45 saniyeye çıkıyorsa, bu operatör farkından mı kaynaklanıyor? Saatlik verilerle bu tür farkları analiz edebilirsiniz.

Saatlik veri toplama, genellikle MES (Manufacturing Execution Systems) üzerinden yapılır ve bu veriler daha sonra ERP’ye aktarılır. Bu sayede, üretim planlaması ve enerji yönetimi için kullanılabilecek değerli bilgiler elde edilir.

3. Günlük veya Haftalık Veri Toplama

Bazı veriler, daha uzun süreli analizler için günlük veya haftalık aralıklarla toplanabilir. Örneğin, büyük bir üretim hattında çalışan FANUC robot kolu kullanıyorsunuz. Bu robot, genelde belirli bir iş döngüsünde sürekli çalışır. Günlük veya haftalık veriler, genelde bu tür makinelerin genel performansını değerlendirmek için kullanılır.

Örneğin:

Bakım Kayıtları: Robotun günlük veya haftalık kaç saat çalıştığını takip etmek, periyodik bakım zamanlarını planlamak için oldukça faydalıdır. Eğer robot bir haftada 200 saatten fazla çalışıyorsa, bu durumda aşırı yük binmiş olabilir ve bakım öne çekilmelidir.
Hurda Oranı: Hangi vardiyada daha fazla hurda oluşuyor? Mesela, bir robot kolu gece vardiyasında düzgün pozisyon alamadığı için daha fazla hatalı ürün üretiyor olabilir. Bu veriler haftalık analizlerle ortaya çıkabilir.

Bu tür veri toplama genellikle MES sistemleri veya basit veri loglama cihazları ile yapılır. Burada amaç, uzun vadeli trendleri ve anormallikleri görmek.

Yöntemler ve Kullanılan Teknolojiler

Veri toplama yöntemleri, makinelerin yaşına, teknolojik altyapıya ve bütçeye göre değişir. İşte yaygın yöntemler:

IoT Tabanlı Sensörler: Modern makinelerde IoT sensörleri yaygın olarak kullanılır. Örneğin, vibrasyon sensörleri makine yataklarının sağlığını izlemek için, akım sensörleri ise motor yüklerini takip etmek için kullanılabilir.
PLC ve SCADA Sistemleri: Özellikle endüstriyel ortamlarda, PLC’ler ve SCADA sistemleri temel veri toplama araçlarıdır. Örneğin, bir Siemens S7 PLC, makine çalışmasını anlık izleyebilir ve SCADA ekranına veri aktarabilir.
Manuel Veri Toplama: Bazı eski makinelerde dijital sensörler bulunmadığı için operatörler manuel veri toplayabilir. Örneğin, makine operatörü her vardiya sonunda günlük üretim miktarını veya makine duruşlarını raporlayabilir. yada hangi iş emrine nezaman başladığını bir ekrandan girer, sonra her geçen parça için bir tuşa basar gibi ( manuel kaynak makineleri için elverişli bir yöntem olabilir )
Swichlerden VeriAlma: Bazı makinaların elektronik sistemlerine müdahale etmek, pek mümkün olmaz bu yüzden işlemi ölçmek ve parçanın tamamlandığını anlamak için swichler ve sensörler kullanılır.

Veri toplamada yöntem ne olursa olsun, operatör işin başında mutlaka ilgili tezgahta, hangi işin başladığını işin başında bilmesi ve sisteme girmesi gerekir.

Veri Sıklığını Belirlerken Dikkat Edilmesi Gerekenler

Sıklık belirlerken şu faktörlere dikkat etmek önemli:

Veri Hedefi: Eğer amacınız anlık duruşları analiz etmekse, gerçek zamanlı veri gereklidir. Ama enerji tüketimi gibi veriler için saatlik toplama yeterli olur.
Maliyet: Gerçek zamanlı veri toplama daha fazla donanım ve altyapı gerektirir. Sensörlerin ve iletişim protokollerinin maliyetini dikkate alın.
Veri Yığını: Çok sık veri toplamak, veri yığınına neden olabilir. Örneğin, her saniye enerji tüketimi ölçmek gereksiz olabilir.

Yöntemler konusunda da somut bir örnek verelim: Fabrikanızda eski tip makineler varsa, bu makineleri sensörlerle modernize edebilirsiniz. Örneğin, bir vibrasyon sensörü ekleyerek makinenin titreşim verilerini toplayabilir ve bu veriyi SCADA sistemine aktarabilirsiniz. Bu, düşük maliyetli bir çözümle eski makinelerden değerli veri almanızı sağlar.

Sistem Entegrasyonu: ERP, CRM ve Diğer Yazılımlarla Veri Akışı

Veri toplama sistemlerinin, işletmedeki diğer yazılımlarla entegre olması gerekiyor. Bu entegrasyon olmazsa, toplanan veriler sadece bir veri yığını haline gelir ve bir anlam ifade etmez. Somut bir örnek üzerinden gidelim:

Diyelim ki, ERP yazılımınızı üretimden gelen verilerle entegre ettiniz. CNC tezgahından alınan üretim çıktısı verileri anında ERP’ye aktarılır. Bu, stok durumunu günceller ve müşteri siparişlerinin ne zaman tamamlanacağını öngörmenizi sağlar. Örneğin, ERP’ye gelen bilgi “Tezgah 3’te üretim %20 gecikiyor” şeklinde bir uyarı verdiyse, CRM yazılımı devreye girerek satış ekibini bilgilendirir. Böylece satış ekibi, müşteri teslimatlarını yeniden planlayabilir.

Bir başka örnek de bakım süreçleriyle ilgili. Eğer makine duruş bilgisi SCADA’dan alınır ve ERP’ye aktarılırsa, bakım planlaması otomatikleşir. Örneğin, “Makine 5 son 3 günde 6 kez durdu, sebep: Motor arızası” şeklinde bir veri, bakım ekibine otomatik bir iş emri oluşturabilir.

İş Güvenliği ve Üretim Sürekliliği

Veri toplama süreçlerinde iş güvenliği ve üretim sürekliliği olmazsa olmazdır. Örneğin, makineye eklenen bir sensörün montajı sırasında makinenin mekanik yapısına zarar verilirse, bu hem üretimi aksatır hem de ciddi iş güvenliği riskleri oluşturur. Bu nedenle sensörlerin ve diğer cihazların doğru yerleştirilmesi çok önemli.

Bir başka dikkat edilmesi gereken nokta ise üretim sürekliliği. Örneğin, veri toplama cihazlarının bir hata yapıp üretim hattını yavaşlatması ya da durdurması kabul edilemez. Bu tür sorunları önlemek için veri toplama altyapısının, üretim hattını minimum düzeyde etkileyecek şekilde tasarlanması gerekir.

Son olarak, veri güvenliği konusu. Diyelim ki, üretimden gelen veriler bir IoT cihazı üzerinden buluta gönderiliyor. Bu verilerin şifrelenmeden gönderilmesi, siber saldırılara açık bir kapı bırakabilir. Bunun önüne geçmek için güçlü bir güvenlik altyapısı kurulmalı ve erişim izinleri dikkatle yönetilmelidir.

Sonuç

Veri toplama süreçlerini tasarlarken hedeflerinize uygun, doğru verileri seçmekle başlayıp, bu verileri uygun sıklık ve yöntemlerle toplamalısınız. Toplanan verilerin ERP, CRM gibi sistemlere entegre edilmesi, sürecin işletme geneline fayda sağlamasını sağlar. Ancak tüm bu süreçler boyunca iş güvenliği ve üretim sürekliliğini göz ardı etmemek gerekir.

Özetle, doğru kurgulanmış bir veri toplama sistemi, sadece üretim süreçlerinde değil, stok yönetiminden müşteri ilişkilerine kadar birçok alanda işletmenize büyük bir değer katabilir. Somut verilerle hareket etmek, doğru kararlar almayı ve rekabette bir adım önde olmayı sağlar.

Erhan Gürsoy